論文の概要: CRT-Net: A Generalized and Scalable Framework for the Computer-Aided Diagnosis of Electrocardiogram Signals

• arxiv url: http://arxiv.org/abs/2105.13619v1
• Date: Fri, 28 May 2021 06:56:06 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-31 13:32:59.426274
• Title: CRT-Net: A Generalized and Scalable Framework for the Computer-Aided Diagnosis of Electrocardiogram Signals
• Title（参考訳）: CRT-Net:心電図信号のコンピュータ支援診断のための汎用的でスケーラブルなフレームワーク
• Authors: Jingyi Liu, Zhongyu Li, Xiayue Fan, Jintao Yan, Bolin Li, Xuemeng Hu, Qing Xia, and Yue Wu
• Abstract要約: 我々はECGの臨床認識のための堅牢でスケーラブルなフレームワークを開発した。 CRT-Netと呼ばれる新しいディープニューラルネットワークは、1次元ECG信号の微細で包括的な表現と認識のために設計されている。
• 参考スコア（独自算出の注目度）: 6.359424209413513
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Electrocardiogram (ECG) signals play critical roles in the clinical screening and diagnosis of many types of cardiovascular diseases. Despite deep neural networks that have been greatly facilitated computer-aided diagnosis (CAD) in many clinical tasks, the variability and complexity of ECG in the clinic still pose significant challenges in both diagnostic performance and clinical applications. In this paper, we develop a robust and scalable framework for the clinical recognition of ECG. Considering the fact that hospitals generally record ECG signals in the form of graphic waves of 2-D images, we first extract the graphic waves of 12-lead images into numerical 1-D ECG signals by a proposed bi-directional connectivity method. Subsequently, a novel deep neural network, namely CRT-Net, is designed for the fine-grained and comprehensive representation and recognition of 1-D ECG signals. The CRT-Net can well explore waveform features, morphological characteristics and time domain features of ECG by embedding convolution neural network(CNN), recurrent neural network(RNN), and transformer module in a scalable deep model, which is especially suitable in clinical scenarios with different lengths of ECG signals captured from different devices. The proposed framework is first evaluated on two widely investigated public repositories, demonstrating the superior performance of ECG recognition in comparison with state-of-the-art. Moreover, we validate the effectiveness of our proposed bi-directional connectivity and CRT-Net on clinical ECG images collected from the local hospital, including 258 patients with chronic kidney disease (CKD), 351 patients with Type-2 Diabetes (T2DM), and around 300 patients in the control group. In the experiments, our methods can achieve excellent performance in the recognition of these two types of disease.
• Abstract（参考訳）: 心電図(ecg)信号は、多くの種類の心血管疾患のスクリーニングと診断において重要な役割を果たす。 多くの臨床的タスクにおいてコンピュータ支援診断(CAD)を大いに促進してきた深層ニューラルネットワークにもかかわらず、クリニックにおける心電図の多様性と複雑さは、診断性能と臨床応用の両方において大きな課題となっている。 本稿では,ecgの臨床認識のためのロバストでスケーラブルなフレームワークを開発した。 病院は一般的に2次元画像のグラフィック波の形でECG信号を記録しているので,まず,2方向接続方式により12枚の画像のグラフィック波を数値1次元ECG信号に抽出する。 その後,1次元心電図信号の微細かつ包括的表現と認識のために,新しい深層ニューラルネットワークcrt-netが設計された。 CRT-Netは、コンボリューションニューラルネットワーク(CNN)、リカレントニューラルネットワーク(RNN)、トランスフォーマーモジュールをスケーラブルなディープモデルに組み込むことで、ECGの波形特性、形態的特徴、時間領域の特徴をよく調べることができる。 提案手法は2つのパブリックリポジトリ上で評価され,ECG認識の性能と最先端技術との比較を行った。 また, 慢性腎臓病(ckd)258例, 2型糖尿病(t2dm)351例, 対照群約300例を含む, 当院で収集した心電図画像に対する双方向接続とcrt-netの有用性を検証した。 実験では,これらの2種類の疾患の認識において優れた性能を得ることができた。

関連論文リスト

• VizECGNet: Visual ECG Image Network for Cardiovascular Diseases Classification with Multi-Modal Training and Knowledge Distillation [0.7405975743268344]
  実際には、ECGデータはデジタル化された信号または印刷された画像として格納される。 本稿では,複数の心血管疾患の予後を決定するために,心電図のみを用いたVizECGNetを提案する。
  論文  参考訳（メタデータ） (2024-08-06T01:34:43Z)
• Coronary Artery Disease Classification Using One-dimensional Convolutional Neural Network [0.7673339435080443]
  冠状動脈疾患(CAD)は、世界的な死因であり、革新的な解決策を必要としている。 本稿では,1次元畳み込みニューラルネットワーク(1D-CNN)の可能性を提案し,検出精度を高め,ネットワークの複雑さを低減する。 本研究は,心電図(ECG)信号の複雑なパターンを特徴抽出技術に頼らずに解釈する1D-CNNの顕著な能力を活用し,従来の診断手法を超えている。
  論文  参考訳（メタデータ） (2024-05-15T13:51:02Z)
• Polar-Net: A Clinical-Friendly Model for Alzheimer's Disease Detection in OCTA Images [53.235117594102675]
  オプティカルコヒーレンス・トモグラフィーは、網膜微小血管の画像化によってアルツハイマー病(AD)を検出するための有望なツールである。 我々はPolar-Netと呼ばれる新しいディープラーニングフレームワークを提案し、解釈可能な結果を提供し、臨床上の事前知識を活用する。 Polar-Netは既存の最先端の手法よりも優れており,網膜血管変化とADとの関連性について,より貴重な病理学的証拠を提供する。
  論文  参考訳（メタデータ） (2023-11-10T11:49:49Z)
• Detecting COVID-19 from digitized ECG printouts using 1D convolutional neural networks [7.10816643091298]
  臨床報告によると、心電図(ECG)は新型コロナウイルスの診断バイオマーカーとして機能する可能性がある。 本稿では,心電図記録から心電図信号を抽出して1次元畳み込みニューラルネットワーク(1D-CNN)に入力し,疾患を学習し診断する手法を提案する。 デジタルECG信号に基づいてトレーニングした1D-CNNモデルにより、新型コロナウイルスなどの患者を正確に識別することができる。
  論文  参考訳（メタデータ） (2022-08-10T16:44:28Z)
• Identifying Electrocardiogram Abnormalities Using a Handcrafted-Rule-Enhanced Neural Network [18.859487271034336]
  我々は、深層学習に基づく心電図解析に臨床知識を提供するために、畳み込みニューラルネットワークにいくつかのルールを導入する。 我々の新しいアプローチは、既存の最先端の手法をかなり上回っている。
  論文  参考訳（メタデータ） (2022-06-16T04:42:57Z)
• Cross-modal Clinical Graph Transformer for Ophthalmic Report Generation [116.87918100031153]
  眼科報告生成(ORG)のためのクロスモーダルな臨床グラフ変換器(CGT)を提案する。 CGTは、デコード手順を駆動する事前知識として、臨床関係を視覚特徴に注入する。 大規模FFA-IRベンチマークの実験は、提案したCGTが従来のベンチマーク手法より優れていることを示した。
  論文  参考訳（メタデータ） (2022-06-04T13:16:30Z)
• Generalizing electrocardiogram delineation: training convolutional neural networks with synthetic data augmentation [63.51064808536065]
  ECGのデライン化のための既存のデータベースは小さく、サイズやそれらが表す病態の配列に不足している。 まず、原データベースから抽出した基本セグメントのプールを与えられたECGトレースを確率的に合成し、その整合性のある合成トレースに配置するための一連のルールを考案した。 第二に、2つの新しいセグメンテーションに基づく損失関数が開発され、これは、正確な数の独立構造の予測を強制し、サンプル数の削減に焦点をあてて、より密接なセグメンテーション境界を創出することを目的としている。
  論文  参考訳（メタデータ） (2021-11-25T10:11:41Z)
• Atrial Fibrillation Detection and ECG Classification based on CNN-BiLSTM [3.1372269816123994]
  心電図(ECG)信号から心疾患を視覚的に検出することは困難である。 自動心電図信号検出システムを実装することにより,不整脈の診断精度を向上させることができる。
  論文  参考訳（メタデータ） (2020-11-12T04:20:56Z)
• Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
  本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。 最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
  論文  参考訳（メタデータ） (2020-10-29T19:14:41Z)
• ECG-DelNet: Delineation of Ambulatory Electrocardiograms with Mixed Quality Labeling Using Neural Networks [69.25956542388653]
  ディープラーニング(DL)アルゴリズムは、学術的、産業的にも重くなっている。 セグメンテーションフレームワークにECGの検出とデライン化を組み込むことにより、低解釈タスクにDLをうまく適用できることを実証する。 このモデルは、PhyloNetのQTデータベースを使用して、105個の増幅ECG記録から訓練された。
  論文  参考訳（メタデータ） (2020-05-11T16:29:12Z)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。